为积极响应《教育强国建设规划纲要（2024—2035年）》总体要求，进一步推动教育数字化转型，CQ9电子
聚焦行业发展态势，锚定岗位人才需求，打造了一批“数智赋能、交叉融合”课程。课程立足学科优势，创新教学模式，兼顾理论学习与实践应用，着力培育综合素养过硬的复合型人才。本期，小编为大家带来《公共管理大数据分析与可视化》课程的建设成果与课堂亮点。
《公共管理大数据分析与可视化》是一门面向公共管理专业学生开设的交叉应用型课程。该课程以“公共管理+大数据分析+可视化”为核心理念，将政府决策、公共服务、社会治理等真实场景融入教学，通过系统讲授数据采集、预处理、建模分析与可视化呈现的全流程技术，培养学生运用大数据思维发现公共问题、优化政策制定的能力。课程不仅回应了数字政府建设对公共治理人才的新需求，更通过项目式学习强化学生解决复杂治理问题的综合素养，为推进国家治理体系和治理能力现代化提供人才支撑。
一、课程团队建设
《公共管理大数据分析与可视化》课程团队打破单一学科壁垒，构建了“理论—技术—实战”三位一体的跨学科教学体系，由公共管理、计算机科学、管理科学与工程三个学科背景的教师组成，由邹涛（CQ9电子
）和梁乙凯（管理科学与工程学院）双负责人共同推进。本课程创新采用“理论+实践”双教师同堂授课模式，理论教师负责理论与政策解读，技术教师主导算法与实操，双师同堂互补，确保学生兼具治理思维与技术能力。同时，团队高度重视师资建设，通过参与数字教学工具、专业软件及跨学科互培等多元化培训，定期开展教学研讨，持续提升教师的数字素养与跨学科教学水平，为课程高质量实施奠定了坚实基础。
图1 课程负责人
二、课程建设内容体系优化
（一）内容开发
在内容开发方面，将公共管理与数字理论和技术广泛有机融合，构建了《公共管理大数据分析与可视化》课程的教学框架，设计了系统完善的课程知识体系。课程内容开发由两位课程负责人共同主导，通过多次研讨，确定了“理论+技术+应用”三位一体的课程体系，共开发八大模块。
图2 《公共管理大数据分析与可视化》课程体系
（二）方法改革
课程团队融合数字技术，积极探索新型数字化教学模式，广泛应用基于技术赋能的深度学习、基于融媒体资源的辅助式教学、基于工具、软件、平台的互动式教学、基于教学空间变革的混合式教学，综合运用启发式教学、探究式教学、情景式教学、问题式教学、案例教学等多样化的教学方法，全方位助力学生知识素养的提升。
（三）组织实施
本课程采用“双师协同授课”模式，具体分工如下：
1.理论授课。邹涛老师负责与公共管理相关的部分，梁乙凯老师负责技术实现部分。
2.实践授课。每周安排实践内容，实践内容与理论内容同步，由两位老师共同指导学生完成数据分析和政策分析等内容。
（四）课程评价
本课程建立了过程性评价与终结性评价相结合的综合评价体系。过程性评价的权重为40%，由考勤记录（10%）、课堂表现（10%）、课后作业（10%）和实验项目（10%）四个部分构成；终结性评价的权重为60%，由期末课程论文（40%）和项目答辩（20%）两个部分构成。
（五）教师培训
课程团队高度重视教师数字教学能力的提升，通过多元化培训夯实教学基础。在智慧教学工具培训方面，参加了雨课堂和学习通的专项培训，确保熟练掌握混合式教学技能。在专业软件培训方面，参加了Python数据分析与挖掘、Stata统计分析等系列课程，为开展高质量教学奠定了坚实的技术基础。在跨学科互培方面，课程团队开设“公共管理导论”系列讲座和“Python数据分析基础”工作坊，促进理论与技术团队在治理逻辑与编程技能上的深度融合。
（六）资源建设
课程团队建设了丰富的教学资源库，包括自主编制了课程讲义、教学课件、教学大纲、习题试题等教学资源；开发、整理了5个公共管理数据集和10个公开数据集；构建了覆盖经济发展分析、空气质量预测、营商环境分析等领域的公共管理案例库；编写了涵盖数据采集、预处理、可视化、建模等公共管理数据分析全流程的代码模板100余个。
（七）实验教学
本课程通过理论与实践相结合，立足当代中国公共管理实践，设计了包括基础实验、可视化实验、回归分析实验、聚类分析实验、综合实验和项目实践等的实验教学内容，激发学生学习兴趣，提高学生课程参与感，培养了学生的科学精神、实践能力和创新意识，增强了学生的动手能力、实战能力、和创新能力，有效提升了人才培养效能。
图3 空气质量数据探索性分析与可视化
三、数智赋能·交叉融合亮点
本课程以“公共管理+大数据分析+可视化”深度融合为核心理念，突破传统学科壁垒，形成以下五大特色与创新。
（一）跨学科融合的课程体系创新
本课程突破传统公共管理课程重理论轻技术的局限，构建了“理论奠基—技术支撑—案例实战”三位一体的课程体系。由公共管理负责人与数据分析负责人共同设计跨学科融合的课程体系，将政府治理逻辑与数据技术方法有机嵌套，每章均以公共管理真实问题为驱动，实现“从政策问题到数据方案”的完整闭环，引导学生从“经验决策”向“数据驱动决策”思维转变，培养解决复杂治理问题的综合能力。
图4 跨学科融合课程体系
（二）双师协同的授课模式创新
采用“理论+实践”双教师同堂授课模式。公共管理负责人主要负责案例背景、政策解读与结果评价，数据分析负责人主导算法原理、代码实现与技术指导。通过双师实时互补、协同引导，将理论问题与技术解决方案同步呈现，确保学生“既懂治理逻辑，又会技术操作”，实现跨学科能力的深度融合与同步提升。同时，在课程评价方面，由两位教师分别从公共管理价值与技术实现维度综合评价，全面考察学生的数据思维、技术能力和政策素养，确保人才培养质量。
（三）项目驱动的情境教学模式创新
以“解决真实公共问题”为导向，创新“案例驱动+项目式学习+翻转课堂”教学模式，设计阶梯式项目实践体系，学生以小组形式完成从数据采集、预处理、建模分析到政策建议的全流程实战。典型案例包括空气质量分析、营商环境分析等，学生需扮演“数据参谋”角色，向虚拟决策部门提交可视化报告，强化解决复杂治理问题的综合素养。
图5 项目驱动的情境教学模式
（四）全过程思政的价值引领创新
将课程思政元素系统嵌入教学全流程，提炼“家国情怀、科学精神、法治意识、社会责任”四大思政主线。通过疫情防控中的健康码应用、空气质量治理的生态文明意义、算法歧视的伦理讨论等鲜活案例，引导学生树立科技向善的价值观，理解“以人民为中心”的治理理念在数字时代的体现，实现知识传授与价值引领的同频共振。
图6 全过程思政的价值引领
（五）工具融合的实战能力培养创新
打破单一工具局限，构建“Python为主、Stata为辅”的多工具协同教学体系。Python用于大规模数据处理、可视化与机器学习建模，Stata用于计量经济分析，培养学生根据任务需求灵活选择工具的能力。配套开发5个公共管理数据集和10个公开数据集、100余个代码模板，支持学生自主探究与反复实践，显著提升数据实战能力。
图7 多工具协同教学体系
四、课程建设成效
（一）教学成果
经过系统的课程建设与实践，《公共管理大数据分析与可视化》课程建设项目主要形成了以下教学成果：
1.教材与教学资源
开发整理了一套完整的教材与教学资源。包括自主编制了《公共管理大数据分析与可视化》课程讲义、教学课件、授课教案、教学大纲、文献资料、习题试题等教学资源；开发、整理了5个公共管理数据集和10个公开数据集；开发涵盖数据采集、读取、预处理、可视化、建模等公共管理数据分析全流程的Python代码模板100余个；构建了覆盖经济发展分析、空气质量分析、就业市场分析、营商环境分析等领域的本地化公共管理案例库。
图8 《公共管理大数据分析与可视化》课程教学成果
2.学生成果产出
学生围绕生态环境、社会保障、数字政府等公共管理领域现实问题，完成课程项目报告26份。项目成果显示，90%以上的学生能够提出具有政策价值的分析结论，体现了学生运用数据思维解决复杂治理问题的综合能力。
（二）育人实效
1.数据素养与实操能力大幅提升
通过项目驱动教学，学生能够独立完成从数据采集到建模分析的全流程操作。绝大多数学生能熟练使用Python进行数据处理与可视化，独立构建回归或聚类模型解决实际问题。学生在实验报告中呈现的代码规范性、分析深度较开课初期明显提高。
2.跨学科思维与解决实际问题能力增强
通过课程学习，学生深刻理解了数据在政府决策、公共服务中的作用，能够将公共管理的理论视角与大数据分析的技术方法深度融合，从“治理需求”与“数据支撑”的双重维度进行问题界定与路径设计，形成“问题导向、数据驱动”的思维模式，增强了运用数据工具优化治理过程、服务决策需求的实际能力。
3.价值引领与责任意识显著强化
课程思政贯穿教学全过程，引导学生在数据治理实践中深刻理解“科技向善”的价值导向，牢固树立数据服务民生、服务社会的责任意识。通过系统训练，学生能够辩证看待技术应用的利弊，增强对国家治理数字化转型的战略认同，自觉将个人专业能力融入公共价值创造，形成以数据思维服务社会发展、以技术实践回应民生需求的使命担当。
4.自主学习与创新意识得到激发
通过课程学习，显著激发学生的学习主动性与创新意识。课程项目训练引导学生突破课堂边界，主动探索前沿技术工具，并将项目实践延伸为学术研究或创新探索的起点。课堂学习过程培养了学生持续获取知识、迭代研究方法的能力，使其初步形成终身学习的习惯与开拓创新的思维品质，为应对复杂治理问题奠定发展基础。
图9 《公共管理大数据分析与可视化》课程育人实效
